惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Google Online Security Blog
Google Online Security Blog
S
Security @ Cisco Blogs
Recent Commits to openclaw:main
Recent Commits to openclaw:main
人人都是产品经理
人人都是产品经理
The Hacker News
The Hacker News
W
WeLiveSecurity
freeCodeCamp Programming Tutorials: Python, JavaScript, Git & More
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
The Cloudflare Blog
博客园 - 司徒正美
雷峰网
雷峰网
L
LINUX DO - 最新话题
博客园 - 叶小钗
云风的 BLOG
云风的 BLOG
The Last Watchdog
The Last Watchdog
V2EX - 技术
V2EX - 技术
S
Security Affairs
有赞技术团队
有赞技术团队
月光博客
月光博客
T
Threatpost
T
Tor Project blog
O
OpenAI News
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
cs.CL updates on arXiv.org
cs.CL updates on arXiv.org
V
V2EX
Know Your Adversary
Know Your Adversary
Project Zero
Project Zero
博客园 - 三生石上(FineUI控件)
D
Docker
AWS News Blog
AWS News Blog
AI
AI
P
Proofpoint News Feed
K
Kaspersky official blog
H
Hackread – Cybersecurity News, Data Breaches, AI and More
D
Darknet – Hacking Tools, Hacker News & Cyber Security
www.infosecurity-magazine.com
www.infosecurity-magazine.com
S
Securelist
F
Fortinet All Blogs
F
Full Disclosure
cs.CV updates on arXiv.org
cs.CV updates on arXiv.org
量子位
Hacker News - Newest:
Hacker News - Newest: "LLM"
CTFtime.org: upcoming CTF events
CTFtime.org: upcoming CTF events
P
Palo Alto Networks Blog
Cyberwarzone
Cyberwarzone
Cisco Talos Blog
Cisco Talos Blog
美团技术团队
N
News | PayPal Newsroom
T
The Blog of Author Tim Ferriss
MyScale Blog
MyScale Blog

陈少文的网站

巨变与机遇的未来十年 Kubernetes 平台管理软件压力测试方案 使用镜像部署 Hexo 静态页面 终于等到你 - GitHub 镜像仓库服务(ghcr.io) 一起来学 Go --(6)Interface 一起来学 Go --(5)Goroutine 和 Channel 什么是函数式编程 如何在 Kubernetes 集群集成 Kata 柯里化与偏函数 使用 PyGithub 自动创建 Label 软件产品是团队能力的输出 Helm 2 、Helm 3 比较 IoT 变现 Kubernetes 中的 DNS 服务 国内的 Helm 镜像源 Harbor 使用自签证书支持 Https 访问 DevOps 工具链之 Prow 如何使用 kfctl 安装 Kubeflow VS Code 无法下载 Go 插件的工具包 工程师更应具有服务精神 你不知道的 Docker 使用技巧 使用 Docker 运行 Tensorflow 论中国 什么是左移 如何清空 Git 仓库全部历史记录 一禅小和尚 有风吹过厨房 时间的玫瑰 如何在 CentOS 安装 GPU 驱动 开发 Tips(19) 使用 Velero 备份 Kubernetes 集群 Kubernetes Cheat Sheet 开发 Tips(18) 如何构建一个 Java 工程 开发 Tips(17) KubeSpray 安装 Kubernetes 报错 ip in ansible_all_ipv4_addresses 基于 Kubernetes 和 Jenkins 搭建自动化测试系统 在 Kubernetes 上动态创建 Jenkins Slave 使用 Jenkins 进行服务拨测 开发 Tips(16) Kubernetes 签发 Ingress 证书及日常故障运维 Kubernetes 中 Deployment 的基本操作 Kubernetes 中的证书 如何使用 KubeBuilder 开发一个 Operator Kubernetes 1.6.0 安装问题汇总 镜像管理工具 -- Harbor 开发 Tips(15) Docker 如何拉取镜像 开发 Tips(14) 使用 Helm 安装 harbor 开发 Tips(13) 使用 S2I 构建云原生应用 在 Kubernetes 中使用 emptyDir、hostPath、localVolume 开发 Tips(12) 开发 Tips(11) 代码质量分析工具 SonarQube 使用 Kubeadm 安装 Kubernetes 集群 一起来学 Go --(4)常用函数 Kubernetes 中的 Ceph Kubernetes 之 Volumes Kubernetes 之 Labels、Selectors 开发 Tips(10) 开源正在重构商业模式 Kubernetes 之网络 Kubernetes 之 API 使用 Helm 和 Operator 快速部署 Prometheus Kubernetes 复杂有状态应用管理框架 -- Operator Kubernetes 的包管理器 -- Helm 一起来学 Go --(3)Go Modules 如何一步一步地优化博客方案 kubectl 实用指南 Kubernetes 中的基本概念 搭建远程 Kubernetes 开发环境 大公司和小公司的 ToB 思路 开发 Tips(9) Go 入门指南 一起来学 Go --(2)数据与逻辑结构 如何预防 Web 富文本中的 XSS 攻击 django-xss-cleaner 云工作时代 一起来学 Go --(1)背景与特点 SaaS 开发团队的不同阶段 你不知道的 Git 使用技巧 输出既服务 微服务设计 继续奔跑 开发 Tips(8) 从账户安全到二次验证 Django 性能之数据库查询优化 Django 性能之分库分表 敏捷开发之研发流程 打造一致性的团队 开发 Tips(7) Pytest 进阶学习之 Mock PaaS 部署之 buildpack Go 开发配置 领域输出才是 PaaS 的核心竞争力 Pytest 入门学习 开发 Tips(6) 如何使用 Jenkins、Docker、GitLab 搭建 Django 自动化部署流程
Black-Scholes 期权定价模型
微信公众号 · 2017-02-12 · via 陈少文的网站

1. Black-Scholes 期权定价模型的意义

Black-Scholes 模型以及它的一些变形已被期权交易商、投资银行、金融管理者、保险人等广泛使用。衍生工具的扩展使国际金融市场更富有效率,但也促使全球市场更加易变。新的技术和新的金融工具的创造加强了市场与市场参与者的相互依赖,不仅限于一国之内还涉及他国甚至多国。结果是一个市场或一个国家的波动或金融危机极有可能迅速的传导到其它国家乃至整个世界经济之中。我国金融体制不健全、资本市场不完善,但是随着改革的深入和向国际化靠拢,资本市场将不断发展,汇兑制度日渐完善,企业也将拥有更多的自主权从而面临更大的风险。因此,对规避风险的金融衍生市场的培育是必需的,对衍生市场进行探索也是必要的,我们才刚刚起步。

2. 期权定价的方法

股票期权虽然早在19世纪即已经在美国产生。但是,在1973年前,这种交易都分散在各店头市场进行,交易的品种十分单一,交易的规模也相当有限。在1973年之前所交易的股票期权只有看涨期权,而没有看跌期权。因此,直到1968年,在美国成交的股票期权合约所代表的股票的数量,还只是纽约证券交易所成交股票数量的1%。1937年4月26日,全世界第一个集中性的期权市场——芝加哥期权交易所正式成立。

3. 二叉树定价法

二叉树期权定价模型最早由考克斯(Cox)、罗斯(Ross)和鲁宾斯坦(Rubinstein)(1979年)提出的,他们所依据的原则是无套利原则以及风险中性原则。这个模型有许多优点:它是一个简单模型,易编程,而且能适用于数据量大且复杂的期权定价。它可以多角度地透析期权定价,如果扩展到多时期,二项式模型将成为评估那些未来现金流依赖其他资产市价的期权价值的强有力方法。

二项期权定价模型假设股价波动只有向上和向下两个方向,且假设在整个考察期内,股价每次向上(或向下)波动的概率和幅度不变。模型将考察的存续期分为若干阶段,根据股价的历史波动率模拟出正股在整个存续期内所有可能的发展路径,并对每一路径上的每一节点计算权证行权收益和用贴现法计算出的权证价格。对于美式权证,由于可以提前行权,每一节点上权证的理论价格应为权证行权收益和贴现计算出的权证价格两者较大者。

4. 蒙特卡罗模拟

期权定价的蒙特卡洛方法的理论依据是风险中性定价原理,理论基础是概率论与数理统计,其实质是通过模拟标的资产价格路径预测期权的平均回报并得到期权价格估计值。一般地,期权定价的蒙特卡洛模拟方法包含以下几步(以欧式看涨期权为例):

  1. 在风险中性测度下模拟标的资产的价格从初始时刻开始至到期日止的一条随机路径。
  2. 计算在这条路径下期权的到期回报,并根据无风险利率求得回报的贴现。
  3. 重复前两步,得到大量期权回报贴现值的抽样样本。
  4. 求样本均值,得到期权价格的蒙特卡洛模拟值。

5. Black-Scholes期权定价模型

第一个完整的期权定价模型由迈伦·斯克尔斯(Myron Scholes)与费雪·布莱克(Fischer Black)创立并于1973年公之于世。创立和发展的布莱克——斯克尔斯期权定价模型(Black Scholes Option Pricing Model)为包括股票、债券、货币、商品在内的新兴衍生金融市场的各种以市价价格变动定价的衍生金融工具的合理定价奠定了基础。

5.1 Black-Scholes模型假设

  • 证券价格遵循几何布朗运动,在每个小区间内的收益率服从正态分布,且不同的两个区间内相互独立 。在期权有效期内,证券价格的方差和无风险利率为常数。
  • 允许卖空,所得资金可以自由使用。
  • 没有交易费用和税收,所有证券都是完全可分的
  • 在衍生证券有效期内标的证券没有现金收益支付
  • 不存在无风险套利机会
  • 证券交易是连续的,价格变动也是连续的
  • 在衍生证券有效期内,无风险利率为常数
  • 欧式期权。欧式期权只能在到期日执行。

5.2 Black-Scholes模型公式

\begin{equation}
\frac{\partial \mathrm C}{ \partial \mathrm t } + \frac{1}{2}\sigma^{2} \mathrm S^{2} \frac{\partial^{2} \mathrm C}{\partial \mathrm C^2}+ \mathrm r \mathrm S \frac{\partial \mathrm C}{\partial \mathrm S}\ =\mathrm r \mathrm C \label{eq:1}
\end{equation}

可以计算出欧式期权的价格

\[C(S,t)= N(d_1)S - N(d_2)Ke^{-rt}\]

\begin{equation}
\mathrm d_1= \frac{1}{\sigma \sqrt{\mathrm t}} \left[\ln{\left(\frac{S}{K}\right)} + t\left(r + \frac{\sigma^2}{2} \right) \right]
\end{equation}

\begin{equation}
\mathrm d_2= \frac{1}{\sigma \sqrt{\mathrm t}} \left[\ln{\left(\frac{S}{K}\right)} + t\left(r - \frac{\sigma^2}{2} \right) \right]
\end{equation}

\begin{equation}
N(x)=\frac{1}{\sqrt{2\pi}} \int_{-\infty}^{x} \mathrm e^{-\frac{1}{2}z^2} dz
\end{equation}

C = 期权初始合理价格;

S = 当前股价

K = 期权交割价格

r = 无风险利率(0到1之间的数字)

\(\sigma\) = 股票波动率回报(0和1之间的数字)

t = 期权到期期限(年)

N = 正态累积分布函数

5.3 Black-Scholes期权计算示例

股票现价42元,欧式期权的执行价格为40元,时间为6个月后,无风险利率为每年10%,该股票波动率为每年20%。也就是S=42,K=40,r=0.10,\(\sigma\)=0.20,t=0.5。
带入公式:
\begin{equation}
\mathrm d_1= \frac{1}{0.2 \sqrt{\mathrm 0.5}} \left[\ln{\left(\frac{42}{40}\right)} + 0.5\left(0.10 + \frac{0.2^2}{2} \right) \right]=0.7693
\end{equation}

\begin{equation}
\mathrm d_2= \frac{1}{0.2 \sqrt{\mathrm 0.5}} \left[\ln{\left(\frac{42}{40}\right)} + 0.5\left(0.10 - \frac{0.2^2}{2} \right) \right]=0.6278
\end{equation}

如果该期权为看涨期权,它的C价值为:

\[ C_1= N(0.7693) \times 42 - N(0.6278)\times 40 \times e^{-0.1 \times 0.5} = 4.76 \]

如果该期权为看跌期权,它的C价值为:

\[ C_2= N(-0.6278)\times40\times e^{-0.1\times 0.5}-N(-0.7693)\times 42 = 0.81 \]

6. 参考